研究人员探索了联邦学习技术,用于在不共享专有数据的情况下训练汽车空气动力学代理模型。该研究在DrivAerNet++数据集上比较了FedMuon和FedMARS-M等谱优化器与FedAvg和SCAFFOLD-Adam等非谱方法。谱优化器,特别是FedMuon和FedMARS-M,在使用的局部周期数较少的情况下,将阻力误差控制在集中训练的2%以内,其性能显著优于非谱方法,后者即使经过大量训练仍显示出相当大的误差。 AI
影响 展示了一种在敏感行业中进行协作模型训练的方法,有可能在不损害专有数据的情况下加速研发。
排序理由 学术论文,详细介绍了联邦学习与谱优化器在特定领域的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →